【摘 要】
：
把POMDP作为激励学习(Reinforcement Learning)问题的模型,对于具有大状态空间问题的求解有比较好的适应性和有效性.但由于其求解的难度远远地超过了一般的Markov决策过程(MD
【机 构】
：
上海大学理学院,上海大学理学院,长沙理工大学计算机与通信工程学院
论文部分内容阅读
把POMDP作为激励学习(Reinforcement Learning)问题的模型,对于具有大状态空间问题的求解有比较好的适应性和有效性.但由于其求解的难度远远地超过了一般的Markov决策过程(MDP)的求解,因此还有许多问题有待解决.该文基于这样的背景,在给定一些特殊的约束条件下提出的一种求解POMDP的方法,即求解POMDP的动态合并激励学习算法.该方法利用区域的概念,在环境状态空间上建立一个区域系统,Agent在区域系统的每个区域上独自并行地实现其最优目标,加快了运算速度.然后把各组成部分的最优值
其他文献
运用Oracle9i大型数据库、PowerBuilder8．0、VC＋＋6．0、3-DES数据加密算法、线性回归算法和报文交易技术以及语音卡编程技术开发了。套通用的专业市场税收征管信息系统软件，解决了
<正> 患者男,68岁,病案号102642,入院时间1995年12月23日。五年前因持续性心前区剧痛,大汗淋漓,恶心呕吐而诊断急性心尖前壁下壁心肌梗塞。月前,因心衰在当地用洋地黄和利尿
阐述的对象是基于Blackfin533 DSP的MPEG-4视频编码器。结合Blackfin533 DSP的结构特点和MPEG-4视频压缩标准的蛮时性要求，详细介绍了系统硬件设计、接口驱动程序设计、编码程
在中西方不同的文化中，同一颜色词语有着不同的文化内涵。以此，对颜色词语进行翻译时，一定要根据不同的文化背景，语境进行处理，切忌望文生义。
分析了Linux下Capabilities安全模型的不完善性，并提出了一种基于用户的Capabilities安全模型，给出了在Linux下的实现方式。同时，还分析了如何利用改进后的安全模型来增强Linux
患者，男．63岁，离休干部．因发作性胸闷，双侧颞部，剧烈紧缩感样疼痛加重4小时，于1993年12月l。日20点30分急诊入院．
工业实时数据库在工业控制领域中处于重要的位置.文章分析了工业控制应用对实时数据库的要求,设计并实现了一个工业实时数据库,并详细介绍了该数据库的系统结构和在实现中所
一般人多认为跑步比起其它运动更伤膝，不过，最新的研究指出，跑步对于关节的影响，较走路及其它运动更小。美国科学家追踪近90，000名跑步族群及健走族群发现，跑步族群中，罹患退化性关
加强党的建设，不断提高党的执政能力，是关系中国社会主义事业兴衰成败、关系中华民族前途命运、关系党的生死存亡和国家长治久安的重大战略课题。只有解决好这一课题，才能保证我
结果取向的解释方法，即在客观实践中由具体操作者通过估测同一事物不同选择下的结果，来选择对自身以及社会最有利、损失最小的可行性措施。这种结果考量的解释方法往往从最终的